一种多模态数据融合的轴承故障诊断方法、介质及设备技术

本发明专利技术涉及机械工程的故障分析和维修技术领域，具体涉及一种多模态数据融合的轴承故障诊断方法，包括步骤：A采集训练集和对应的存有人工诊断的真实轴承故障的标签文件，训练集包括红外图像数据和振动数据；B提取故障轴承的红外图像数据；利用信号变压器提取故障轴承的振动数据；C搭建融合网络，并对提取的红外图像数据和振动数据进行多模态数据融合；D进行训练，设置自适应因子，并计算损失函数，直至损失函数收敛至预设值，以得到训练好的轴承故障诊断模型；E利用训练好的轴承故障诊断模型对待诊断的轴承故障进行诊断。对振动信号数据集和红外数据集进行模态融合，同时考虑到轴承故障的周向特征和径向特征，提高了故障诊断的可靠性。

【技术实现步骤摘要】

本专利技术涉及机械工程的故障分析和维修，具体涉及一种多模态数据融合的轴承故障诊断方法。

技术介绍

1、轴承是一种用于减少机械设备中两个相对运动部分之间摩擦和传递载荷的装置。它通常由一个内圈、一个外圈和一组介于内圈和外圈之间的滚动体(例如球或滚子)组成。因为轴承在机械设备中承担着关键的功能和负载，在工业生产中，轴承故障可能会造成其它零部件的损坏，导致长时间的设备停机和维修成本的增加，所以，实时准确地进行轴承故障诊断对于维护和预防性维修至关重要。

2、目前的轴承故障诊断方法，其特征输入，大多是基于轴承的振动信号，通过监测轴承的振动信号，分析振动频谱和特征，可以检测到轴承的异常振动和故障。然而，由于振动信号的特征受到多个因素的影响，如负荷、转速、噪声等，单一振动信号分析往往无法提供足够准确的结果。其次，振动信号仅仅反应了故障轴承的周向信息，而忽略了故障轴承的径向信息，导致同周向但不同径向的故障类别容易混淆，使诊断精度降低。

3、同时，传统的轴承故障诊断方式通常基于定期维护和离线检测，停机时间长，人工成本高。这种故障诊断方法在生产部署完成之本文档来自技高网...

【技术保护点】

1.一种多模态数据融合的轴承故障诊断方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种多模态数据融合的轴承故障诊断方法，其特征在于，步骤C中，所述融合网络的网络架构包括依次连接的采样模块、融合模块以及语义分析模块；所述采样模块包括依次连接的全连接层和激活函数层；所述融合模块包括依次连接的多个融合子模块，单个所述融合子模块包括依次连接的卷积层、归一化层以及激活函数层；所述语义分析模块为用于输出融合后故障语义特征的多头自注意力层。

3.根据权利要求1所述的一种多模态数据融合的轴承故障诊断方法，其特征在于，步骤B中，所述信号变压器包括依次连接的处理器、编码器以及...

【技术特征摘要】

1.一种多模态数据融合的轴承故障诊断方法，其特征在于，包括步骤：

2.根据权利要求1所述的一种多模态数据融合的轴承故障诊断方法，其特征在于，步骤c中，所述融合网络的网络架构包括依次连接的采样模块、融合模块以及语义分析模块；所述采样模块包括依次连接的全连接层和激活函数层；所述融合模块包括依次连接的多个融合子模块，单个所述融合子模块包括依次连接的卷积层、归一化层以及激活函数层；所述语义分析模块为用于输出融合后故障语义特征的多头自注意力层。

3.根据权利要求1所述的一种多模态数据融合的轴承故障诊断方法，其特征在于，步骤b中，所述信号变压器包括依次连接的处理器、编码器以及全连接层。

4.根据权利要求3所述的一种多模态数据融合的轴承故障诊断方法，其特征在于，步骤b中，所述处理器包括依次连接的标准化层、多头自注意力层、标准化层以及全连接层。

5.根据权利要求4所述的一种多模态数据融合的轴承故障诊断方法，其特征在于，步骤b中，振动数据在输入信号变压器中的处理器前，先进行预处理，所述预处理为对输入信号进行分割，分割成预设个数的信号段，并对每个信号段进行位置编码。

6.根据权利要求5所述...

【专利技术属性】
技术研发人员：傅雷，姚博文，叶涵宇，张立彬，胥芳，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：